token-spend

一位开发者讲述了他们的 AI 功能在真实用户使用时意外变得昂贵的过程：长查询、重复的检索块、无限制的对话历史。文章还建议了分块、去重等技巧来控制 token 消耗。

Meta 在员工反对后缩减其 AI 鼠标追踪工具。该帖子将人力和 AI 劳动力进行类比，认为 token 浪费反映了人员臃肿。

该推文展示了来自 Vercel AI Gateway 的代币消费动画，说明了 AI 实验室之间使用情况的变化、Anthropic 的主导地位以及开放权重 AI 的增长。

一条推特帖子概述了AI编程炒作的四个阶段：惊叹、扩展、认知和最终阶段。一条回复指出，公司超过44%的AI代币支出浪费在修复漏洞上。

本文探讨了在智能体工作流中衡量“未声明意图开销”的方法，通过量化超出声明意图范围的计算Token消耗，揭示诸如行为漂移与偏离任务执行等行为成本。